Resumen

Los algoritmos de aprendizaje profundo están enfrentando limitaciones en la aplicación de realidad virtual debido al costo de la memoria, la computación y el problema de la computación en tiempo real. Los modelos con un rendimiento riguroso podrían sufrir de enormes parámetros y una estructura a gran escala, lo que haría difícil replantarlos en dispositivos integrados. En este documento, con la inspiración de GhostNet, propusimos una estructura eficiente llamada ShuffleGhost para aprovechar la redundancia en los mapas de características y así aliviar el costo de las computaciones, además de abordar algunas desventajas de GhostNet. Dado que GhostNet sufre de una alta computación de convolución en el módulo Ghost y en el shortcut, la restricción del submuestreo haría más difícil aplicar el módulo Ghost y el cuello de botella de Ghost a otra estructura principal. Este documento propone tres nuevos tipos de estructuras ShuffleGhost para abordar las desventajas de GhostNet. El módulo ShuffleGhost y los cuellos de botella de ShuffleGhost utilizan la capa de mez

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Algoritmos de aprendizaje profundo; Aplicación de realidad virtual; Memoria; Computación; Computación en tiempo real; ShuffleGhost
• Keywords:Deep learning algorithms; Virtual reality application; Memory; Computation; Real-time computation; ShuffleGhost